
Gemini 4 Neon: „Mały” model Google nie ma opublikowanego rozmiaru
- OrcaNOWOŚĆOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 za 1 mln tokenów · 186 tok/s
- tencentNOWOŚĆTencent: Hy4 Flash2026-11-16$0.02 / $0.07 za 1 mln tokenów · 358 tok/s
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 87 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 139 tok/s
- orcaNOWOŚĆOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 za 1 mln tokenów · 80 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 za 1 mln tokenów · 117 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 za 1 mln tokenów · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
20 listopada o 01:57 UTC na X pojawił się post, w którym Gemini 4 Neon nazwano małym modelem Google'a — „daleko przed Argonem i Carbonem”, konkurencyjnym wobec Claude Opus 5.5 i Claude Fable 5.2, a w zamykających go czterech słowach — dowodem RSI. Został edytowany trzy razy, zanim przybrał ostateczną formę, i miał 316 polubień, gdy go czytaliśmy. Każdy pozostały fragment można zweryfikować na podstawie dokumentu. Słowa „small” nie można. Poszukaj liczby parametrów lub uporządkowania rozmiarów w dokumentacji Google dotyczącej Gemini 4 Neon, Gemini 4 Carbon, Gemini 4 Argon i Gemini 4 Hydrogen, a nie znajdziesz nic: żadnej liczby parametrów, żadnej liczby parametrów aktywnych, żadnego zdania, które szereguje te cztery według rozmiaru, i — zarówno na stronie modelu DeepMind, jak i w kartach modeli — ani jednego użycia słowa „small” w odniesieniu do któregokolwiek z nich.
To nie czyni wpisu błędnym. Czyni go niefalsyfikowalnym w odniesieniu do jego własnego kluczowego słowa, co jest innym i ciekawszym problemem: twierdzenie łączy pomiar, który każdy może sprawdzić (wynik), z opisem wnętrza modelu, którego nikt spoza Google nie może sprawdzić, a następnie wyciąga wniosek o tym, jak model był trenowany, z tej niepodlegającej weryfikacji połowy. Poniżej twierdzenie zostaje rozłożone na trzy części i każda z nich zostaje skonfrontowana z tym, co opublikowano. Wszystkie wyniki pochodzą z Artificial Analysis na indeksie v5.0.1, odczytanym 20 listopada 2026 r.; wszystko, co podano ze strony Google, jest oznaczone jako takie; wszystko, co wywnioskowane, jest oznaczone jako wnioskowanie.
Co ten post faktycznie mówi
Po odrzuceniu ramy mamy trzy twierdzenia. Po pierwsze: Neon to mały model Google. Po drugie: jako mały model „znacznie wyprzedza Argon i Carbon”, czyli mniejszy model prześcignął większe rodzeństwo. Po trzecie: taki wynik to właśnie obraz „RSI i temu podobnych”. Drugie sprowadza się do arytmetyki, pierwsze do definicji, której Google nie opublikował, a trzecie nie sprowadza się do niczego — to twierdzenie o procesie trenowania bez ujawnionych danych wejściowych.
Zanim przejdziemy do arytmetyki, warto zauważyć: ten sposób ujęcia nie jest specyficzny dla jednego konta. Dzień wcześniej inny użytkownik przypisał demo Neon „rojom” oraz „brakowi destylacji i poświęcaniu czasu na RSI”. Słownictwo krąży szybciej, niż potwierdza to jakikolwiek dokument, i właśnie dlatego poszczególne słowa warto wycenić.
Google nigdy nie nazywa Neon małym modelem
Google opisuje każdy z czterech modeli, a opisy są wystarczająco konkretne, by można je było zacytować. Z dokumentacji modeli API Gemini, opublikowanej w tym tygodniu:
• Gemini 4 Carbon — „Nasz najsilniejszy model rozumowania, stworzony do złożonej inżynierii oprogramowania, multimodalnej pracy z wiedzą, rozumowania naukowego i obrony cybernetycznej.”
• Gemini 4 Neon — „Inteligencja na poziomie pionierskim z szybkim realizowaniem zadań end-to-end w złożonych przepływach pracy związanych z inżynierią oprogramowania, pracą opartą na wiedzy i nauką.”
• Gemini 4 Argon — „Nasz wydajny model rozumowania frontier Gemini 4, zapewniający szybsze odpowiedzi i niższe zużycie tokenów na turę w porównaniu z Gemini 4 Carbon…”
• Gemini 4 Hydrogen — „Przynosi najnowocześniejszą inteligencję każdemu, zapewniając szybkość i wydajność w codziennym kodowaniu i przepływach pracy agentowej.”
Trzy z tych czterech zdań dotyczą szybkości i kosztu. Żadne z nich nie dotyczy rozmiaru, a żadna strona Google, którą mogliśmy przeczytać, nie używa słowa „small” w odniesieniu do żadnego z tych czterech. Zgodnie z tą samą dokumentacją model, na który Google wskazuje do codziennej, niskokosztowej pracy, to Gemini 3.5 Flash-Lite — który nie należy do tej rodziny i nie jest tym, o czym jest wpis. Zatem „Neon jest tym małym” nie jest podsumowaniem pozycjonowania Google. To wnioskowanie czytelnika na podstawie zachowania, przedstawione tak, jakby było specyfikacją.
Cennik również przemawia przeciw dosłownemu odczytowi. Neon jest najdroższym modelem w rodzinie w przeliczeniu na token: 3,00 USD na wejściu i 15,00 USD na wyjściu za milion, stawka płaska, bez darmowego planu i bez terminu ważności — w porównaniu z Carbon i Argon po 2,00 USD i 10,00 USD do 30 listopada oraz Hydrogen po 1,50 USD i 7,50 USD z darmowym planem. Mały model, który kosztuje o 50% więcej za token niż flagowiec, z którym jest porównywany, nie jest mały w znaczeniu, jakie kupujący zwykle mają na myśli. Cokolwiek w Neon jest małe, na pewno nie rachunek.
Tam, gdzie liczby rzeczywiście potwierdzają twierdzenie
Połowa posta dotycząca wyników jest sprawdzalna i w większości się broni — z jednym podstawieniem, które zmienia werdykt. W Intelligence Index przy najgłębszym opublikowanym ustawieniu każdego modelu:
• Gemini 4 Neon — 61,4 przy xhigh (59,6 przy ustawieniu domyślnym, high)
• Gemini 4 Carbon — 60.0 przy ustawieniu high, które stanowi jego pułap; model nie ma poziomu xhigh
• Gemini 4 Hydrogen — 54 przy xhigh
• Gemini 4 Argon — 50 przy wysokim, również jego pułap
„Daleko przed Argonem” to prawda i to nie o włos: 11 punktów. „Daleko przed Carbonem” to w ogóle nieprawda. Neon wyprzedza Carbon o 1,4 punktu i tylko wtedy, gdy ustawi się go na szczeblu rozumowania, którego Carbon nie ma. Przy ustawieniach zalecanych przez obu producentów — domyślne ustawienie high Neonu kontra high Carbonu — Neon pozostaje o 0,4 punktu z tyłu. Najmocniejszą formą wpisu byłaby ta uczciwa: Neon jest pierwszym modelem w tej rodzinie, który uzyskał wynik powyżej flagowca, o około jeden punkt, jeśli jesteś gotów zapłacić za najgłębszy szczebel.
„W ciągu kilku tygodni” jest również dosłownie prawdą, a ta arytmetyka zasługuje na przytoczenie, ponieważ jest to jedyny fakt z datą w tym poście. Carbon stał się ogólnie dostępny 10 listopada. Neon stał się ogólnie dostępny 18 listopada. Osiem dni dzieli flagowy model od modelu opisywanego jako ten, który go prześcignął.

To jedno porównanie, które pominął post
Fragment „konkuruje z Opus / Fable” sam siebie nie docenia, ponieważ jego korzystniejsza wersja wymaga liczby, której wpis nie podał. W tym samym indeksie Claude Opus 5.5 uzyskuje 59 przy maksymalnym wysiłku, a Claude Fable 5.2 — 65. Wynik Neon 61,4 plasuje się więc między nimi: o 2,4 punktu przed Opus 5.5 przy najgłębszym ustawieniu Neon, o 3,6 punktu za Fable 5.2. Określenie „konkuruje z” jest uczciwe w pierwszym przypadku, a w drugim — hojne.
To, co czyni z tego prawdziwą historię, to koszt tych punktów mierzony na ukończone zadanie, a nie na token:
• Koszt zadania w Intelligence Index — Gemini 4 Neon $6.44, Claude Opus 5.5 $10.04, Claude Fable 5.2 $26.54
• Cena katalogowa za milion tokenów, wejście / wyjście — Neon 3,00 USD / 15,00 USD, Opus 5.5 4,00 USD / 20,00 USD, Fable 5.2 8,00 USD / 40,00 USD
• Czas na zadanie indeksowania — Neon 21,5 minuty przy xhigh i 14,8 przy high; Opus 5.5 25,7 przy max; Fable 5.2 41,6 przy max
• Szybkość generowania — Neon 110 tokenów na sekundę, Opus 5.5 112, Fable 5.2 około 110
Czterokrotnie niższy koszt na zadanie niż w Fable 5.2 w zamian za 3,6 punktu indeksu to lepszy argument niż cokolwiek w oryginalnym wpisie, a przy tym nie opiera się na ani jednym słowie o rozmiarze. To także argument, który przetrwa najbliższy zarzut: przy cenie Fable 5.2 luka 3,6 punktu jest najtańszą do zamknięcia pozycją na planszy, jeśli obciążenie tego wymaga, a nieistotną, jeśli nie.

Mały pod względem prędkości, nie rozmiaru
Jeśli istnieje obronna interpretacja słowa „small” w tym kontekście, to jest to ta, którą mierzy tracker, a nie ta, którą przemilcza karta modelu, i dotyczy ona pracy na zadanie, a nie parametrów. Przy tym samym wysokim wysiłku Neon ukończył zestaw Intelligence Index w 123 mln tokenów wyjściowych wobec 205 mln u Carbona, w 14,8 minuty wobec 41,8 u Carbona. To o 40% mniejszy ślad tokenowy i zadanie kończone prawie trzy razy szybciej, a zarazem najbliższa istniejącym publicznie dowodom ilustracja intuicji zawartej w poście: czymkolwiek jest Neon, wykonuje tę samą pracę przy mniejszym nakładzie wyemitowanej pracy niż model, który Google nazywa swoim najsilniejszym.
Ale to wnioskowanie na podstawie zachowania, a zachowanie ma inne wyjaśnienia — wydajniejszy dekoder, inny budżet myślenia, krótszy ślad rozumowania — z których żadne nie wymaga mniejszej liczby parametrów. Te same liczby są również spójne z tym, że Neon jest po prostu nowszym, lepiej wytrenowanym modelem o porównywalnym rozmiarze, co jest najmniej egzotycznym dostępnym wyjaśnieniem.
Narracja o szybkości również załamuje się w miejscu, w które wpis nie zagląda. Neon nie jest najszybszym modelem w rodzinie. Gemini 4 Hydrogen osiąga 167 tokenów na sekundę w porównaniu z 110 w przypadku Neon i kończy zadanie indeksowania w 15,4 minuty przy xhigh — o włos od 14,8 Neon przy high, za połowę ceny. Jeśli hasłem jest „mały i szybki”, to Hydrogen jest modelem, który ta fraza opisuje, a Hydrogen ma wynik 54.

Dlaczego to „RSI” wykonuje tutaj tę pracę
Rekurencyjne samodoskonalenie, w znaczeniu, jakie to wyrażenie ma w badaniach nad sztuczną inteligencją, oznacza, że laboratorium wykorzystuje model, by wymiernie ulepszyć jego następcę — pętlę z modelem w środku, a nie jedynie szybkie tempo wydawania kolejnych wersji. Nic, co opublikowano, nie potwierdza takiej interpretacji tego wydania, a wpis nie oferuje niczego na jej poparcie: żadnej liczby dotyczącej obliczeń, żadnego ujawnienia, na czym trenowano Neon, żadnych dowodów, że jakikolwiek model Gemini przyczynił się do trenowania Neon.
To, co Google publikuje na temat rodowodu, to jedna klauzula, powtarzana. Karty modeli zarówno Gemini 4 Neon, jak i Gemini 4 Hydrogen podają, że model jest „zaadaptowany z Gemini 4 Carbon” — to samo zdanie w tych samych siedmiu polach na obu kartach, bez definicji słowa „zaadaptowany”, bez liczby parametrów i bez wyjaśnienia, co uległo zmianie. Podążanie wstecz od karty Carbon prowadzi do Argonu, którego karta stwierdza, że „nie jest modyfikacją ani dostrojeniem wcześniejszego modelu”. Każda karta Gemini 4 podaje tę samą datę odcięcia wiedzy, marzec 2026, w ciągu pięciu tygodni premier. Cztery modele, jeden potok danych, jedno niezdefiniowane słowo: to opis wspólnej podstawy treningowej, co jest zwyczajne, a nie pętli.
Ośmiodniowa różnica między Carbon a Neon to kwestia harmonogramu. Harmonogramy ulegają skróceniu z powodów, które nie mają nic wspólnego z samodoskonaleniem — wspólny model bazowy, etapowe wdrażanie, kalendarz premier — a fakt, że ten się skrócił, nie jest dowodem na żaden z nich. Gdyby laboratorium rzeczywiście zbudowało model przy użyciu modelu, można by to poznać po tym, że samo by to ogłosiło, albo że zmierzyłby to benchmark. Ani jedno, ani drugie nie miało miejsca.
Co by to rozstrzygnęło?
Trzy ujawnienia przekształciłyby ten wpis z twierdzenia w ustalenie, a wszystkie trzy to rzeczy, które Google mogłoby opublikować w tym tygodniu:
• Liczba parametrów lub liczba parametrów aktywnych dla dowolnego modelu Gemini 4. Jedna liczba uczyniłaby „small” weryfikowalnym i natychmiast potwierdziłaby lub obaliła założenie.
• Definicja „adapted from” na kartach modeli. To wyrażenie pojawia się siedem razy na karcie Neon i nigdy nie jest wyjaśnione; „based on” jest używane w przypadku Carbon-to-Argon i jest równie niezdefiniowane.
• Jakiekolwiek stwierdzenie o wkładzie w trenowanie — jakie dane były nowe w Neon względem Carbon albo który model, jeśli w ogóle, generował sygnał treningowy. Jeśli brakuje wszystkich trzech, RSI pozostaje słowem w poście.
Co zrobić z tym w poniedziałek
Praktyczna konsekwencja jest niewielka i jest przeciwieństwem tego, co sugeruje wpis. Nic w zapisie nie mówi, że Neon to mały model, który pobił dużego; mówi, że Neon to model za $3/$15, który po podkręceniu osiąga o jeden punkt więcej niż sufit Carbon, a bez podkręcenia o pół punktu mniej niż domyślne ustawienie Carbon. To decyzja o szczeblu dostrajania, a nie decyzja o rozmiarze, a drabina obejmuje 17,3 punktu indeksu od low (44,1) do xhigh (61,4) — znacznie więcej niż różnica między dowolnymi dwoma modelami w rodzinie. To, który szczebel wybierzesz, ma większe znaczenie niż to, który model wybierzesz.
Dwie rzeczy z datami warto wpisać do kalendarza niezależnie od tego, jak rozstrzygnie się kwestia rozmiaru. Carbon i Argon podwajają swoje ceny 1 grudnia — z $2.00 i $10.00 do $4.00 i $20.00 za milion tokenów — natomiast cennik Neon nie ma daty wygaśnięcia. Przy dzisiejszych cenach Neon jest o 17% tańszy w przeliczeniu na ukończone zadanie indeksowania niż Carbon ($6.44 wobec $7.76); po 1 grudnia ta różnica się powiększa, choć Neon niczego nie zmienia. Kto czyta wpis „mały model” i dochodzi do wniosku, że Neon to opcja budżetowa, ten ma właściwy kierunek, ale z niewłaściwego powodu — jest tańszy na zadanie, ponieważ emituje mniej, a nie dlatego, że jest mniejszy, i staje się znacznie tańszy w dniu, który Google już opublikowało.
Po naszej stronie google/gemini-4-carbon i google/gemini-4-argonsą w katalogu po cenie z cennika dostawcy, bez marży, co oznacza, że zmiana z 1 grudnia wchodzi w życie tego samego dnia co u Google. Gemini 4 Neon nie ma jeszcze w katalogu, więc użyteczna rzecz do powiedzenia na jego temat to nie cena, lecz kształt: gdy się pojawi, warto napisać żądanie, które wskazuje Neon i przełącza się awaryjnie na Carbon, jeśli Neon jest ograniczany limitem szybkości lub zwraca błędy. Model, którego główną publikowaną zaletą jest szybkie kończenie zadań, powinien mieć za sobą mechanizm awaryjnego przełączania, a nie być pojedynczym punktem zależności. Dziś jeden klucz obsługuje resztę rodziny, więc przebieg porównawczy z Carbon lub Argon kosztuje wyłącznie tokeny.
Uczciwe zakończenie jest wąskie. Wpis, który mówi, że mały model laboratorium wyprzedził jego duże modele, zawiera twierdzenie o rozmiarach. Nikt nie opublikował rozmiaru. Wyniki mówią, że szybki model w ciągu ośmiu dni uzyskał wynik w granicach jednego punktu od wolniejszego, co samo w sobie jest wystarczająco interesujące, a dołączona do tego historia treningu jest na razie podpisem.
Porównane w tym artykule1
Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie
